Java将word转换为文本

复制代码
在Java中,你可以使用Apache POI库来读取Word文档并提取文本内容。你可以在 Maven 项目中添加以下依赖:
<!-- Apache POI for Word 2007+ (.docx) -->
<dependency>
	<groupId>org.apache.poi</groupId>
	<artifactId>poi</artifactId>
	<version>4.1.2</version>
</dependency>
<dependency>
	<groupId>org.apache.poi</groupId>
	<artifactId>poi-ooxml</artifactId>
	<version>4.1.2</version>
</dependency>

<!-- Apache POI for Word 97-2003 (.doc) -->
<dependency>
	<groupId>org.apache.poi</groupId>
	<artifactId>poi-scratchpad</artifactId>
	<version>4.1.2</version>
</dependency>
复制代码
以下是一个简单的示例代码,展示如何使用Apache POI将Word文档转换为文本:
import lombok.extern.slf4j.Slf4j;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.extractor.WordExtractor;
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.springframework.web.multipart.MultipartFile;

import java.io.IOException;

@Slf4j
public class WordUtils {

    /**
     * Word转换为文本
     *
     * @param file Word文件
     * @return 提取的文本
     */
    public static String wordToTextConverter(MultipartFile file) {
        try {
            if (file.getOriginalFilename().endsWith(".doc")) {
                // 处理Word 97-2003文档
                return processOldWordDocument(file);
            } else if (file.getOriginalFilename().endsWith(".docx")) {
                // 处理Word 2007及以上文档
                return processNewWordDocument(file);
            } else {
                throw new RuntimeException("不支持的Word文档格式");
            }
        } catch (IOException e) {
            throw new RuntimeException("无法读取Word文档", e);
        }
    }

    private static String processOldWordDocument(MultipartFile file) throws IOException {
        try (HWPFDocument document = new HWPFDocument(file.getInputStream())) {
            WordExtractor extractor = new WordExtractor(document);
            String text = extractor.getText();
            log.info("Word文档内容: {}", text);
            return text;
        }
    }

    private static String processNewWordDocument(MultipartFile file) throws IOException {
        try (XWPFDocument document = new XWPFDocument(file.getInputStream())) {
            if (document.getParagraphs().isEmpty()) {
                throw new RuntimeException("Word文档为空");
            }
            XWPFWordExtractor extractor = new XWPFWordExtractor(document);
            String text = extractor.getText();
            log.info("Word文档内容: {}", text);
            return text;
        }
    }
}
相关推荐
学地理的小胖砸5 分钟前
【高分系列卫星简介——高分一号(GF-1)】
开发语言·数码相机·算法·遥感·地理信息
lizhou82810 分钟前
win10下使用docker、k8s部署java应用
java·docker·kubernetes
知识分享小能手11 分钟前
mysql学习教程,从入门到精通,SQL ORDER BY 子句(14)
大数据·开发语言·数据库·sql·学习·mysql·大数据开发
lkasi33 分钟前
python文字转wav音频
开发语言·python
白茶等风1213843 分钟前
C#_封装详解
开发语言·c#
程序员阿鹏1 小时前
ArrayList 与 LinkedList 的区别?
java·开发语言·后端·eclipse·intellij-idea
18你磊哥1 小时前
java重点学习-JVM类加载器+垃圾回收
java·jvm
聂 可 以1 小时前
在SpringBoot项目中利用Redission实现布隆过滤器(布隆过滤器的应用场景、布隆过滤器误判的情况、与位图相关的操作)
java·spring boot·redis
长安初雪1 小时前
Java客户端SpringDataRedis(RedisTemplate使用)
java·redis
繁依Fanyi1 小时前
使用 Spring Boot + Redis + Vue 实现动态路由加载页面
开发语言·vue.js·pytorch·spring boot·redis·python·算法